Oren Etzioni

Por Adrin Paenza

Es muy posible que usted no haya escuchado nunca hablar de Oren Etzioni. Yo tampoco hasta
hace un par de das.
Etzioni es profesor de Inteligencia Artificial en Seattle, y una de las personas con mayor prestigio
en esa rea de la ciencia. Hace unos das, fue contratado por Paul Allen, uno de los cofundadores
con Bill Gates de Microsoft.
Corra el ao 2003. Etzioni tena un hermano que viva en Los Angeles. Cuando fij la fecha de su
casamiento le avis a Oren porque quera que fuera uno de los testigos. Faltaban casi ocho meses
y Oren decidi comprar el pasaje con anticipacin para que le saliera ms barato.
Y lleg el da del viaje. No bien el avin alcanz su altura de crucero le coment al pasajero que
tena a su derecha lo feliz que estaba porque haba logrado un precio tan barato por el boleto. Su
compaero de fila no slo no se inmut, sino que le dijo que l haba pagado casi un 40% menos.
Etzioni quiso saber entonces si haba comprado el pasaje por Internet (como haba hecho l), y
ste le contest que s. Peor an: le dijo que como le avisaron que tena que viajar con urgencia,
haba terminado comprando el boleto el da anterior. Oren estaba enfurecido. Pens que quizs
sera uno de los ltimos pasajes y la compaa haba decidido rematarlos para que el avin no
saliera con asientos vacos. Y comenz a averiguar en las filas anteriores y posteriores. Ya
desesperado, descubri lo peor: todos haban pagado menos y todos haban comprado sus boletos
despus que l.
Si esto nos hubiera pasado a usted y/o a m es posible que nos hubiramos fastidiado tambin,
pero las acciones que tom Etzioni fueron ciertamente diferentes que las que hubiramos tomado
nosotros.
Oren Etzioni fue el primer graduado que Harvard tuvo en el ao 1986 en ciencias de la
computacin. Como ya era profesor en la Universidad de Washington, aprovech todos sus
conocimientos (y contactos) cientficos y se propuso tratar de averiguar cmo conseguir y usar
bases de datos para poder predecir si los pasajes entre cada par de ciudades subiran o bajaran
de precio en funcin del tiempo. De hecho, pens a cada asiento como si fuera un objeto que se
cotiza en alguna Bolsa de comercio. Naturalmente, las compaas areas no le daran la
informacin de cmo determinan el precio de cada asiento, pero las variables para hacer lo que l
quera son muchas: distancia temporal con la partida, lugar en la cabina, tipo de avin, frecuencia
de los vuelos, pocas del ao, das de la semana, horario del da, peso de la carga, precio del
combustible en esa fecha, etc. Pero tambin hay que considerar que -como deca ms arriba-
cuando un avin est programado para salir, una vez que est garantizado un nmero mnimo de
pasajeros, la compaa necesita llenar el espacio disponible. Cada asiento que sale vaco, implica
una prdida. Las compaas tienen su algoritmo para tomar esas decisiones, pero para nosotros,
los pasajeros, esa informacin est vedada.
Etzioni saba que l no podra asegurar con un 100% de certeza cualquier prediccin que pudiera
hacer su algoritmo. Podra, s, hablar de probabilidad: en funcin de lo que haba sucedido en otras
situaciones equivalentes. Su objetivo no era reproducir lo que hacen las lneas areas, sino dar un
servicio al cliente advirtindole qu probabilidad hay de que el precio suba o baje y sugerirle o bien
que espere o bien que compre.
El problema era justo para ser abordado por un programador que deba disear un algoritmo que
tomara la mayor cantidad de datos que pudiera recolectar y pudiera descubrir las tendencias que
tenan encerradas. Y ac est la clave: Etzioni no quera competir con las compaas areas para
saber por qu debera pasar algo sino, solo, poder predecir qu y cundo habra de pasar en
funcin de lo que haba pasado antes.
Una pausa para incluir brevemente a dos actores ms. Viktor MayerSchonberger naci en Austria,
es doctor en abogaca y profesor en Inglaterra en la Universidad de Oxford. Por otro lado, Kenneth
Cukier es periodista de origen ingls y editor del famoso semanario britnico The Economist. Por
qu hablo de los dos en este lugar del relato? Porque ambos entrevistaron a Etzioni para saber
qu y cmo hizo para lograr su propsito.
Etzioni les cont que en principio sigui el precio de 12 mil boletos rastreando informacin por
Internet que haba obtenido relevando los datos de un par de agencias de viajes. Us para eso un
perodo de 41 das. Eso le alcanz para disear un modelo que poda predecir an
modestamente qu convena hacer: comprar o esperar. El algoritmo sera efectivo si sus
predicciones de comprar o esperar superaban el 50% de aciertos. Es decir, uno siempre parte con
la alternativa de tirar una moneda: si sale cara, comprar. Si sale ceca, esperar. Cmo hacer para
mejorar ese algoritmo? O puesto en trminos de Shakespeare: comprar o no comprar? A tal
punto fue as que su proyecto se llam Hamlet.
Lo que Etzioni necesitaba entonces era conseguir los siguientes datos: tomar dos ciudades
cualesquiera. Elegir un vuelo que las uniera, en principio sin escalas. Fijar una compaa de las
varias que ofrecan el servicio. Seleccionar cada asiento de la cabina. Detectar el primer da en el
que era posible pagar un pasaje y empezar a llevar un registro de esos datos.
A medida que iba pasando el tiempo, analizar la fluctuacin de cada uno de esos precios cuando
se acercaba la fecha del viaje propiamente dicho. Incorporar el dato adicional de permitir escalas y
determinar cmo alteraba el valor del asiento. Incluir tambin la posibilidad de utilizar das
alternativos y considerar aeropuertos cercanos.
Como usted advierte, ya es abrumador el solo hecho de tratar de hacer una descripcin exhaustiva
de los datos a tener en cuenta. Pero si bien se necesitan una tonelada de datos, las
computadoras pueden almacenarlos.
Despus, hay otra historia: hay que comparar lo que suceda con otras compaas que ofrecan el
mismo servicio. Y finalmente, saber cules haban sido los precios reales pagados por cada
asiento. Y no me quiero olvidar de algo importante: el nmero de asientos vacos con el que sali
el vuelo para poder interpretar y/o predecir lo que sucedera en el futuro.
Por supuesto, tener los datos es esencial, pero insuficiente. Despus, hay que escribir un algoritmo
que sepa qu hacer con ellos.
Bien, eso fue lo que hizo Etzioni.
Pero para hacerlo consigui gente que puso dinero y se hizo socia de l. Form una sociedad que
llam Farecast (algo as como un pronosticador de tarifas). El programa no slo predeca cul era
la probabilidad de que los boletos subieran o bajaran, sino que Farecast anunciaba sus
predicciones en forma pblica. Adems, dejaba un registro en la pgina Farecast.com para que el
propio pblico pudiera seguir los vaivenes de los precios, como quien sigue el valor de una accin
en la Bolsa. Como escribieron Schonberger y Cukier, el proyecto necesitaba para mejorar el
clculo conseguir ms datos, muchos datos, toneladas de datos. Hasta que lo logr. Etzioni no
revela en sus comentarios cmo, pero pudo finalmente tener acceso a la base de datos de una de
las compaas areas ms importantes de EE.UU. No le dieron el algoritmo, sino que consigui la
evolucin de los precios. Eso fue suficiente.
A partir de all, su sistema podra predecir con una probabilidad aceptable si convena comprar o
no un pasaje, basado en el valor de todos los asientos de todos los vuelos de la mayora de las
rutas norteamericanas de aeronavegacin comercial en el curso de un ao. Los datos involucrados
son escalofriantes: el programa analiza casi 200 mil millones de nmeros para hacer sus
predicciones.
El xito y el entusiasmo fueron instantneos. Cuando Etzioni haba decidido ampliar la compaa
para hacer predicciones no slo en la industria de los pasajes areos sino tambin anticipar si
convena reservar habitaciones de distintos hoteles o establecer la probabilidad de comprar o no
autos usados... en ese momento, ao 2008, apareci Microsoft y le compr el algoritmo y la idea.
Eso s: la compaa de Bill Gates le pag 115 millones de dlares.
Schonberger y Cukier escribieron que en el ao 2012 el sistema hizo predicciones correctas en
tres de cada cuatro veces, o sea, un 75 por ciento. No es poco. Como suele suceder cuando un
grande se come a un chico, Microsoft incorpor lo que fue Faredata a su buscador Bing.
Ahora, usted y yo podemos acudir a Bing, obtener el servicio e ignorar el origen. Sin embargo, creo
que la historia, esta historia, mereca ser contada.
Para el final, algo para pensar. Todos repetimos algo que es muy cierto: las computadoras actuales
son cada vez ms rpidas, cada vez tienen ms capacidad de guardar datos y cada vez la
memoria es ms barata. Todo bien. Pero esa capacidad de almacenamiento y la rapidez para
poder bucear y rastrear la informacin es la que est permitiendo descubrir mensajes escondidos
en esos datos que ni siquiera sabamos que existan. Lo notable es que todo esto es un campo
casi virgen. El que llega primero se queda con todo. Y eso es lo que necesita el pas (entre otras
cosas, claro est): promover las llamadas ciencias duras. Hacen falta ms matemticos,
programadores, analistas de sistemas, criptgrafos, fsicos, qumicos, nanotecnlogos, ingenieros,
bilogos, gelogos, biogenetistas, analistas de sistemas, gente que se dedique a la avinica, a la
industria del videojuego (s, el videojuego, de donde surgen infinitas ideas), al diseo de satlites,
etc, etc. Aqu es donde estn las mayores posibilidades para inventar y desarrollar. O, si usted
prefiere, necesitamos capacitar cada vez ms gente en estas reas para estimular y facilitar el
acceso a la informacin y educacin de nuestros jvenes pero, sobre todo, generar las condiciones
para que puedan expresar su capacidad creativa de manera tal que aparezcan y florezcan
nuestros Etzioni.